人材確保（採用・定着）に関する取り組みやユースケースを発信しています。
箱ひげ図を使った人事データの可視化例です。箱ひげ図は四分位数を利用して量的変数の分布を素早く捉えることができます。 データ可視化の例 データ可視化の狙い * 採用プロセスの改善点を探るために、パフォーマンスと採用時評価の関係を考察する。 データ可視化アプローチ 利用するグラフ * 箱ひげ図： 四分位数を利用して量的変数の分布を確認する。 アプローチ * 量的変数である採用時能力評定の分布を成績別に箱ひげ図で可視化する。 * 成績を順序変数に変換することで、人事評価の意味と表示順番を合わせる。 * 成績別の箱ひげ図を採用種別で分け、採用プロセスの違いも考慮しながら比較する。 グラフの作り方 * Pythonのseaborn.boxplotによる可視化例。 import pandas as pd import matplotlib.pyplot as plt import matplotlib.ticker as ticker import japanize_matplotlib import seaborn as sns sns.set_t...
採用に関するピープルアナリティクスのユースケースです。 業務課題 * 自社にマッチする採用者を獲得するために、採用戦略を見直したい。 * 採用戦略に対するKPIを高めるために、アジャイルに施策を考えていきたい。 関心・問い * KPIに対して、影響度の高い採用プロセスを把握できないか。 * KPIに高い影響を与える評価項目を発掘し、業務改善につなげられないか。 分析アイデア * 採用プロセス、採用方式、評価項目のKPIに対する影響度を把握し、改善施策の意思決定に活用する。 利用するデータ * 人的資本KPI * 採用に係る情報全般...
採用に関するピープルアナリティクスのユースケースです。 業務課題 * 自社にマッチする採用者を獲得するために、採用戦略を見直したい。 * パフォーマンスを向上させる採用方式を見極めて、重視していきたい。 関心・問い * 新卒・中途採用において、定着率やパフォーマンスに違いがあるか。 * 採用時の評価と配置後の評価に違いはないか。 分析アイデア * 採用種別と定着率、配置後のパフォーマンスの関係を分析し、採用プロセスの課題を発見する。 * 採用時のアセスメントスコアと配置後の業績評価、昇格スピードを比較分析し、採用基準の課題を発見する。 利用するデータ * 採用スコアの記録 * 人事基本情報 * 業績評価...
採用に関するピープルアナリティクスのユースケースです。 業務課題 * 戦略的に立案した採用基準にしたがって、採用オペレーションを改善したい。 * ダイバーシティの確保がなされているかどうか、客観的に確認したい。 関心・問い * 構造的に整理された評価基準を基に、客観的な予測ができないか。 * ダイバーシティ目標を達成できているか。 分析アイデア * 候補者の評価スコアから自社で活躍するかどうか予測し、選考の参考にする。 * 採用者の属性分布を確認し、評価や選考基準にバイアスがないか確認する。 利用するデータ * 採用スコア * パフォーマンス情報 * 属性情報...